CN108073774A - 一种验证爆堆块度分布的可靠方法 - Google Patents
一种验证爆堆块度分布的可靠方法 Download PDFInfo
- Publication number
- CN108073774A CN108073774A CN201711469738.2A CN201711469738A CN108073774A CN 108073774 A CN108073774 A CN 108073774A CN 201711469738 A CN201711469738 A CN 201711469738A CN 108073774 A CN108073774 A CN 108073774A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- quick
- fried heap
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明一种验证爆堆块度分布的可靠方法，在保证图片有足够分辨率显示毫米级刻度标尺条件下，运用多种软件图片处理功能，相互串接各自软件的优势，并考虑了软件处理精度和误差限。对于图片中软件无法精确识别的区域叠加、岩块节理、明暗棱线和遮挡打断充分应用人工辨别的优势。结合不同阶段选择合适的识别和处理方法最终以获得高精度的图片数据分布。最终通过新提出5个统计计算公式验证照片所代表的块度分布以得到较为可靠的爆堆块度分布状态。
Description
技术领域
本发明涉及一种矿山爆破爆堆块度统计方法，尤其涉及一种适用于露天矿台阶爆破和大块孤石爆破中矿块块度数据统计的、验证爆堆块度分布的可靠方法。
背景技术
关于爆堆中块度分布的描述国内外专家和学者做了很多工作，常见的爆破岩石块度的测试方法基本可分为两大类:直接测试方法和间接测试方法。
直接测量最开始的就是筛分法，通过各种工具对岩块进行筛分和分别称重，得到较高准确度的结果，小规模爆破和模型试验很有说服力。现实生产中的大规模爆破，则存在着一系列的困难，比如说工作量太大和统计过程繁碎甚至无法完全统计等。在实际生产中，简化为二次爆破岩块数量统计，只能在一定程度上解释爆破效果，不能统计爆堆实际块度分布。
通过间接方法去统计一般分为三种：数据相关测量法、经验公式法和摄影测量法
由于爆堆岩石的块度分布对装运、破碎在某种程度上有一定影响，因此通过对运输和破碎有效耗能和生产效率的测量反映岩块的块度分布特点。但是这种方法对采选设备的要求比较高。
经验法是根据爆破参数估算块度分布。是唯一考虑爆破参数、岩体强度以及不连续面间隙和位置的方法。预测爆破后矿岩的平均块度，用一个半经验公式由库兹涅索人为预测用TNT炸药爆破的矿岩平均块度而推导出来的。后来由坎宁哈姆加以修改，适用于铵油炸药或等效炸药。
式中，为岩块平均直径；A为岩石系数；V为岩石体积；Q为单孔装药质量；E为炸药相对质量威力。这种方法的参数适用条件有一定限制，数据统计较多要求高需要反复验证。
摄影测量法是利用摄像拍照获取爆堆表面岩块的几何参数，统计这些参数判断爆堆岩石的块度分布特点。随着计算机图像处理与模式识别技术发展，摄影法测量分三种方法:单图片法、双图片法和高速摄影法。单图片法的研究对象是单一的图片，并在图片上对爆堆岩块的分布进行统计。双图片法从不同的角度对爆堆同一位置进行拍摄，而形成立体图像进行爆堆岩块的统计。这种方法的精度较高，但是处理技术相对比较复杂。高速摄影法是通过高速摄影机拍摄整个爆破过程，选取某些瞬间的画面进行测量获得爆堆岩块的分布特征。这种方法的缺点是画面清晰度较差。
发明内容
本发明的目的是提供一种精度较高，统计速度快，数据精准，操作方便简单可靠的验证爆堆块度分布的可靠方法。为露天爆破提供爆堆实际状态参数，降低采样劳动强度，减小软件计算误差，提高块度统计效率，为台阶爆破装药、运输破碎以及控制台阶爆破效果提供更准确的参考数据。
为实现上述目的，本发明采用以下技术方案实现：
一种验证爆堆块度分布的可靠方法，满足精度要求的同时统计爆堆块度分布数据，包括如下方法：
1)对于回采小根底和大块孤石产生较远飞石的拆除类爆破，将爆源及爆区安全范围内爆破产生的所有岩块和可见飞石收集并集中平铺拍照记录；同时，对于露天台阶爆破拍照记录不同装运时刻产生的爆堆表面矿岩分布状态，同时测量并记录爆破对象体积V0及爆堆体积值，目的是得到爆破之后的松散系数KS；
2)将同一爆堆对象摄影图片集编为一组并命名，将每组数据图片按标尺长度和标尺位置1：1导入AuToCAD软件2014及以上的版本；按爆堆边界线裁剪拍摄到的外部废石区域，将处理后的图片集编为一组并重新命名保存；
3)将保存后的图片组导入Adobe Photoshop CC软件，减弱图像杂色和噪声影响处理为像素容差大、分辨率高的一种Lab颜色模式图像，将处理后的图片集编入新文件夹并保存为JPEG图像重新命名；
4)块度边缘分析利用Matlab软件新建脚本【编辑器】写入边缘检测算子及代码，对五种不同边缘检测算子代码键入运行，包括：Sobel算子、Prewitt算子、Roberts算子、Canny算子和Log算子；将文件夹图片作为读入图像文件运行得到显示图像集合；比较分析键入图片和运行结果，每张图片只选取一张块度边缘最清晰的显示图像组成新的图像集文件夹；
5)图像集中的边缘检测运行图与原图尺寸相同，并且矿块边缘已用离散白点标识；在CAD正交模式下画一条与图片标尺同长度同单位的水平刻度线，将新的边缘检测运行图以标尺长度尺寸为参照无缩放导入AuToCAD水平刻度线正上方，同时将原图及标尺按缩放单位选择“毫米”无缩放导入AuToCAD“0”号图层；启动【图层特性管理器】新建图层，设置图层透明度值为50；利用CAD【将对象复制到新图层】功能将边缘检测运行图剪贴到新建图层中，然后将新建图层置为当前图层并打开“0”号图层，将原图与边缘检测运行图重叠；
6)利用CAD缩放功能放大矿块边缘直至十字光标中点位于边缘检测标识圆点中心，以创建【多线段】、【样条曲线拟合】功能点击连接边缘检测标识圆点中心形成矿块封闭边缘；
7)打开CAD【插入表格】对话框，选定图像所有封闭边缘拟合边界，创建“新数据提取”选择对象并保存数据，【选择对象】勾选“显示所有对象类型”、“仅显示当前正在使用的对象”复选框，【对象】勾选多线段和样条曲线即可，下一步【选择特性】对话框勾选面积、比例、周长长度；下一步【选择输出】对话框勾选“将数据提取处理表插入图形”完成插入操作；默认由内而外逆时针依次顺序识别，最后【输出】得到所有原图数据记录表；
8)经过现场爆堆块度组成测定，剖面上相邻两层层内孔隙度基本相等且空隙小于矿块最大直径；在保证爆堆拍摄面积S、矿块面积Si和周长Li保持不变，只认为相邻两层块度相近条件下，利用公式(1)、(2)、(3)，将矿块数据形态视为椭球进行计算；利用公式(4)统计爆堆图片所反映矿块层范围内的松散系数Kn，直到Kn趋近于爆堆松散系数Ks，则图片数据收集完成，这些图片块度分布代表了研究爆堆的实际分布情况；
M≤ρ(Qρ-QsKn -1) (5)
式中，ai是椭球长短半轴、bi是椭球短半轴；n为统计数量；M为粉矿总质量；ρ为矿体容重；Qρ为矿体体积、Qs为爆堆体积；
使用之前根据矿山实际需要确立最小精度，当粒径小于这个尺寸的矿粉总计面积不大于废石区总面积则不考虑矿粉影响，当矿粉含量影响爆堆堆积形态时利用公式(5)对矿粉总量进行估计；
9)重复1～8步，进行下一组爆堆图片块度分布的验证。
与现有的技术相比，本发明的有益效果是：
1)通过计算机软件之间的合理衔接，运行Sobel算子、Prewitt算子、Roberts算子、Canny算子和Log算子代码检测矿块边缘进行比较选取最合适运行图片，再利用绘图软件识别并检测矿块几何数据。比运用单一软件编程计算更快速准确，图片数据格式输出种类更多便于二次编辑。
2)将块度数据统计计算中语言再编辑工作，由更精确的CAD软件内部计算完成，效率高结果准确可靠。随着CAD软件功能的不断完善，尺寸数据类别也会增加，具有更替性。
3)对于计算机软件无法精确识别的区域叠加、岩块节理、明暗棱线和遮挡打断充分应用人工辨别的优势，人为识别操作更准确可靠，处理能力随着熟练操作和软件升级越来越高。
4)现场获取实时图片不仅反映爆破后不同时刻的岩石分布状态还具有统计速度快、分辨率高和可调控范围的特点。
5)提出一种矿岩爆堆图片处理流程和块度统计验算方法，通过试验检验具有一定的实际参考意义。
附图说明
图1是本发明块度分布验证流程图。
图2是实施例1岩石碎块照片裁剪后保留的爆堆形态图。
图3是导入Matlab后图片状态。
图4是实施例1中Matlab边缘检测算子运行展示图。
图中(a)为Sobel算子展示；(b)为Prewitt算子展示；(c)为Roberts算子展示；(d)为Canny算子展示；(e)为Log算子展示；(f)为边缘检测原图。
图5是实施例1边缘检测原图与Prewitt算子运行对比图。
图6是实施例1中Prewitt算子的边缘检测运行图与原图重叠图。
图7是实施例1矿块边界拟合展示图。
图中(g)矿块边界拟合图；(h)为矿块拟合边界图
图8是分布函数曲线图。
具体实施方式
下面结合附图对本发明进行详细地描述，但是应该指出本发明的实施不限于以下的实施方式。
见图1，一种验证爆堆块度分布的可靠方法，满足精度要求的同时统计爆堆块度分布数据，包括如下方法：
1)对于回采小根底和大块孤石产生较远飞石的拆除类爆破，将爆源及爆区安全范围内爆破产生的所有岩块和可见飞石收集并集中平铺拍照记录；同时，对于露天台阶爆破拍照记录不同装运时刻产生的爆堆表面矿岩分布状态；同一爆堆拍摄距离和拍摄点标高相同，同一研究对象不同时态的图片有相同分辨率。同时测量并记录爆破对象体积V0及爆堆体积值，目的是得到爆破之后的松散系数KS。
2)将同一爆堆对象摄影图片集编为一组并命名，将每组数据图片按标尺长度和标尺位置1：1导入AuToCAD 2014以上版本；按爆堆边界线裁剪拍摄到的外部废石区域，爆堆中的废石不用处理，只是沿爆堆轮廓线初步处理拍摄范围。将处理后的图片集编为一组并重新命名保存；为保证精度建议将图片集输出为多张JPEG图像。
3)将保存后的图片组导入Adobe Photoshop CC软件，将图像处理为像素容差大、分辨率高的一种Lab颜色模式(以矿块边界更容易识别并减弱杂色和噪声影响为目的)，根据图片像素质量不同酌情处理并保存。将处理后的图片集编入新文件夹并保存为JPEG图像重新命名。
4)块度边缘分析利用Matlab软件新建脚本【编辑器】写入边缘检测算子及代码，对五种不同边缘检测算子代码键入运行，包括：Sobel算子、Prewitt算子、Roberts算子、Canny算子和Log算子；将文件夹图片作为读入图像文件运行得到显示图像集合；比较分析键入图片和运行结果，每张图片只选取一张块度边缘最清晰的显示图像组成新的图像集文件夹。
5)图像集中的边缘检测运行图与原图尺寸相同，并且矿块边缘已用离散白点标识；在CAD正交模式下画一条与图片标尺同长度同单位的水平刻度线，将新的边缘检测运行图以标尺长度尺寸为参照无缩放导入AuToCAD 2014水平刻度线正上方，同时将原图及标尺按缩放单位选择“毫米”无缩放导入AuToCAD 2014“0”号图层；启动【图层特性管理器】新建图层“图层1”，设置图层透明度值为50；利用CAD【将对象复制到新图层】功能将边缘检测运行图剪贴到新建的“图层1”中，然后将“图层1”置为当前图层并打开“0”号图层，将原图与边缘检测运行图重叠。
6)利用CAD缩放功能放大矿块边缘直至十字光标中点位于边缘检测标识圆点中心，以创建【多线段】、【样条曲线拟合】功能点击连接边缘检测标识圆点中心形成矿块封闭边缘；对于原图计算机难以精确识别的区域叠加、岩块节理、遮挡棱线和明暗打断区域，这样就可以得到所有矿块的封闭边缘。
7)打开CAD【插入表格】对话框，选定图像所有封闭边缘拟合边界，创建“新数据提取”选择对象并保存数据，【选择对象】勾选“显示所有对象类型”、“仅显示当前正在使用的对象”复选框，【对象】勾选多线段和样条曲线即可，下一步【选择特性】对话框勾选面积、比例、周长长度；下一步【选择输出】对话框勾选“将数据提取处理表插入图形”完成插入操作；默认由内而外逆时针依次顺序识别，最后【输出】得到所有原图数据记录表。
8)经过现场爆堆块度组成测定，剖面上相邻两层层内孔隙度基本相等且空隙小于矿块最大直径；在保证爆堆拍摄面积S、矿块面积Si和周长Li保持不变，只认为相邻两层块度相近条件下，利用公式(1)、(2)、(3)，将矿块数据形态视为椭球进行计算；利用公式(4)统计爆堆图片所反映矿块层范围内的松散系数Kn，直到Kn趋近于爆堆松散系数Ks，则图片数据收集完成，这些图片块度分布代表了研究爆堆的实际分布情况；
M≤ρ(Qρ-QsKn -1) (5)
式中，ai是椭球长短半轴、bi是椭球短半轴；n为统计数量；M为粉矿总质量；ρ为矿体容重；Qρ为矿体体积、Qs为爆堆体积；
使用之前根据矿山实际需要确立最小精度(既最小统计尺寸)，当粒径小于这个尺寸的矿粉总计面积不大于废石区总面积则不考虑矿粉影响，当矿粉含量显著影响爆堆堆积形态利用公式(5)对矿粉总量进行估计。
需要注意的是同一分析对象拍摄距离和高度应保持一致，拍摄断面尽量保证新鲜平整。同一组图片块度归纳分布同时进行。遇到岩块分布极不均匀、堆积表面风化则开挖平整后只收集新鲜断面数据，浮碴结块后还需要对新鲜开挖面冲刷清理后再拍摄。这样既能减少同组图片数据缩放整理工作，又能收集不同时刻图片数据统计爆堆块度分布情况。
9)重复1～8步，进行下一组爆堆图片块度分布的验证。
本发明在保证图片有足够分辨率显示毫米级刻度标尺条件下，运用多种软件图片处理功能，相互串接各自软件的优势，并考虑了软件处理精度和误差限。对于图片中软件无法精确识别的区域叠加、岩块节理、明暗棱线和遮挡打断充分应用人工辨别的优势。结合不同阶段选择合适的识别和处理方法最终以获得高精度的图片数据分布。最终通过新提出3个统计计算公式验证照片所代表的块度分布以得到较为可靠的爆堆块度分布状态。
利用图片预处理软件和图片像素点灰度检测微分算法处理改善块度统计的工作量。对现场获取满足处理要求的高像素图片，按照分析对象和拍摄范围的不同进行分组处理。按处理步骤和操作设置说明，结合现有的几种软件合理用于图片处理，最终得到图片所能反映的矿块层块度分布数据。
实施例1：
1)处理对象图片格式为：1300万像素相机获取9,447,670字节大小4608×3456px带有毫米分度值标尺现场爆堆照片。
2)由于图片像素较高并带有水平方向标尺参考，选择AuToCAD 2014以上版本作为初步处理软件。以标尺长度和分度值为参照设置CAD软件中【图形单位】对话框，“长度”选择“小数”、“角度类型”选择“十进制度数”插入时缩放单位选择“毫米”。在CAD正交模式下画一条与图片标尺同长度同单位的水平刻度线，将高清原图1：1导入水平刻度线正上方，如果拍摄爆堆宽度超过两米则按不同区域标尺进行分区域导入(通过裁剪图片或冷冻图层等功能实现)。在这里设置单位精度仅表示测量显示精度，AuToCAD内部使用更高计算精度以保证精确制图和计算。
3)利用多线段将爆堆周围废石区域放大后剪切并将处理后的图片保存为JPEG图像(如图2所示)，将处理后的图片导入Adobe Photoshop CC 2015软件中利用【图层】、【通道混合器】功能将图片“源通道”设置为蓝色或红色，另存为新的JPEG图像。将图片像素保留为黑色和一种原色以减少Matlab软件计算量提高用边缘检测算子求像素点一介或二阶导数的精度。
4)见图3，块度边缘分析利用Matlab 2016软件新建脚本【编辑器】写入边缘检测算子及代码，对五种不同边缘检测算子代码键入运行。包括：Sobel算子、Prewitt算子、Roberts算子、Canny算子、和Log算子。见图4，将导入Matlab前的边缘检测原图作为第六张图片(f)与运行结果所得到的5张图片(a、b、c、d、e)进行分析比较，选取5张图片中块度边缘最清晰的显示图像。
5)见图5，选取Prewitt算子运行图作为边缘检测运行图，Prewitt算子边缘检测运行图与边缘检测原图具有尺寸相同的特点，并且矿块边缘已被Prewitt算子检测完并用离散白点标识。
6)见图5，以边缘检测原图(f)和Prewitt算子运行图(b)作为AuToCAD 2014软件插入对象，以拍摄原图的标尺长度和毫米分度值为参照将边缘检测原图(f)和Prewitt算子运行图(b)导入CAD水平刻度线上方，将边缘检测原图按实际矿块大小导入AuToCAD2014“0”号图层。启动【图层特性管理器】新建“图层1”设置图层透明度值为50。利用CAD【将对象复制到新图层】功能将Prewitt算子运行图剪贴到“图层1”，打开显示透明度并设置两个图层工具为打开、解冻、解锁和打印状态。然后将“图层1”置为当前图层并打开“0”号图层，使用【移动】命令将边缘检测原图与Prewitt算子运行图重叠，如图6所示。
7)见图6，对于计算机难以精确识别的区域叠加、岩块节理、遮挡棱线和明暗打断区域。利用CAD缩放功能放大矿块边缘直至十字光标中点位于边缘检测标识圆点中心，以创建【多线段】、【样条曲线拟合】、【重复上一个命令】功能点击连接边缘检测标识圆点中心形成矿块封闭边缘，因为封闭区存在重叠，为便于CAD边界识别不建议使用其他功能绘制。这样就可以得到原图所有矿块的封闭边缘，如图7所示。
8)一旦生成矿块边界封闭拟合曲线，则所有封闭圈互不干扰自成一体。使用AuToCAD2014内部高计算精度保证制图和计算，打开【插入表格】对话框，将“插入选项”选定为“自图形中的对象数据”并选定全部矿块拟合边界，确定创建“新数据提取”选择对象并保存数据，【选择对象】勾选“显示所有对象类型”、“仅显示当前正在使用的对象”复选框，【对象】勾选多线段和样条曲线即可，下一步【选择特性】对话框勾选识别顺序、名称、线宽、面积、比例、周长长度。下一步【选择输出】对话框勾选“将数据提取处理表插入图形”完成插入操作。最后【输出】得到数据记录表1。
9)误差估计方法为：总平铺面积减去废石空间面积之差与总矿块面积相比，总平铺面积通过曲线拟合已由CAD计算生成，绘制计算废石区面积为1415.58cm2。计算得到面积误差为860mm2，足以满足爆破现场数据统计精度要求。
表1：数据记录表
续表1
10)块度分布用数据函数曲线说明，如图8所示，其中x轴序列按矿块尺寸升序排列，双y轴左边为块度分布与块度累计曲线，右边为f(x)＝ai+bi求和函数与块度变化曲线。块度变化曲线说明矿块尺寸变化过程，累计曲线相邻两点斜率等于x坐标处块度大小。可以看到爆堆小块分布较均匀大块数量少面积变化大。本次试验中经过反复摄影和计算取舍得到图片的Ks＝1.82、Kn＝2.08。验证了这张照片代表爆堆块度组成和分布情况的可靠度较高，其数据分布和块度组成一目了然。
Claims (1)
1.一种验证爆堆块度分布的可靠方法，其特征在于，满足精度要求的同时统计爆堆块度分布数据，包括如下方法：
1)对于回采小根底和大块孤石产生较远飞石的拆除类爆破，将爆源及爆区安全范围内爆破产生的所有岩块和可见飞石收集并集中平铺拍照记录；同时，对于露天台阶爆破拍照记录不同装运时刻产生的爆堆表面矿岩分布状态，同时测量并记录爆破对象体积V0及爆堆体积值，目的是得到爆破之后的松散系数KS；
2)将同一爆堆对象摄影图片集编为一组并命名，将每组数据图片按标尺长度和标尺位置1：1导入AuToCAD软件2014及以上的版本；按爆堆边界线裁剪拍摄到的外部废石区域，将处理后的图片集编为一组并重新命名保存；
3)将保存后的图片组导入Adobe Photoshop CC软件，减弱图像杂色和噪声影响处理为像素容差大、分辨率高的一种Lab颜色模式图像，将处理后的图片集编入新文件夹并保存为JPEG图像重新命名；
4)块度边缘分析利用Matlab软件新建脚本【编辑器】写入边缘检测算子及代码，对五种不同边缘检测算子代码键入运行，包括：Sobel算子、Prewitt算子、Roberts算子、Canny算子和Log算子；将文件夹图片作为读入图像文件运行得到显示图像集合；比较分析键入图片和运行结果，每张图片只选取一张块度边缘最清晰的显示图像组成新的图像集文件夹；
5)图像集中的边缘检测运行图与原图尺寸相同，并且矿块边缘已用离散白点标识；在CAD正交模式下画一条与图片标尺同长度同单位的水平刻度线，将新的边缘检测运行图以标尺长度尺寸为参照无缩放导入AuToCAD水平刻度线正上方，同时将原图及标尺按缩放单位选择“毫米”无缩放导入AuToCAD“0”号图层；启动【图层特性管理器】新建图层，设置图层透明度值为50；利用CAD【将对象复制到新图层】功能将边缘检测运行图剪贴到新建图层中，然后将新建图层置为当前图层并打开“0”号图层，将原图与边缘检测运行图重叠；
6)利用CAD缩放功能放大矿块边缘直至十字光标中点位于边缘检测标识圆点中心，以创建【多线段】、【样条曲线拟合】功能点击连接边缘检测标识圆点中心形成矿块封闭边缘；
7)打开CAD【插入表格】对话框，选定图像所有封闭边缘拟合边界，创建“新数据提取”选择对象并保存数据，【选择对象】勾选“显示所有对象类型”、“仅显示当前正在使用的对象”复选框，【对象】勾选多线段和样条曲线即可，下一步【选择特性】对话框勾选面积、比例、周长长度；下一步【选择输出】对话框勾选“将数据提取处理表插入图形”完成插入操作；默认由内而外逆时针依次顺序识别，最后【输出】得到所有原图数据记录表；
8)经过现场爆堆块度组成测定，剖面上相邻两层层内孔隙度基本相等且空隙小于矿块最大直径；在保证爆堆拍摄面积S、矿块面积Si和周长Li保持不变，只认为相邻两层块度相近条件下，利用公式(1)、(2)、(3)，将矿块数据形态视为椭球进行计算；利用公式(4)统计爆堆图片所反映矿块层范围内的松散系数Kn，直到Kn趋近于爆堆松散系数Ks，则图片数据收集完成，这些图片块度分布代表了研究爆堆的实际分布情况；
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>&gamma;</mi>
</mrow>
<mn>8</mn>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>8</mn>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&gamma;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<mfrac>
<mn>64</mn>
<mi>&pi;</mi>
</mfrac>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>32</mn>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<msub>
<mi>K</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mo>&times;</mo>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
M≤ρ(Qρ-QsKn -1) (5)
式中，ai是椭球长短半轴、bi是椭球短半轴；n为统计数量；M为粉矿总质量；ρ为矿体容重；Qρ为矿体体积、Qs为爆堆体积；
使用之前根据矿山实际需要确立最小精度，当粒径小于这个尺寸的矿粉总计面积不大于废石区总面积则不考虑矿粉影响，当矿粉含量影响爆堆堆积形态时利用公式(5)对矿粉总量进行估计；
9)重复1～8步，进行下一组爆堆图片块度分布的验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711469738.2A CN108073774B (zh) | 2017-12-29 | 2017-12-29 | 一种验证爆堆块度分布的可靠方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711469738.2A CN108073774B (zh) | 2017-12-29 | 2017-12-29 | 一种验证爆堆块度分布的可靠方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108073774A true CN108073774A (zh) | 2018-05-25 |
| CN108073774B CN108073774B (zh) | 2021-05-14 |
Family
ID=62155817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711469738.2A Active CN108073774B (zh) | 2017-12-29 | 2017-12-29 | 一种验证爆堆块度分布的可靠方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108073774B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108986089A (zh) * | 2018-07-10 | 2018-12-11 | 内蒙古工业大学 | 基于图像处理的分梳山羊绒长度检测方法 |
| CN109506537A (zh) * | 2018-11-29 | 2019-03-22 | 中钢集团马鞍山矿山研究院有限公司 | 露天矿山台阶爆破爆堆宽度的确定方法 |
| CN109506536A (zh) * | 2018-11-29 | 2019-03-22 | 中钢集团马鞍山矿山研究院有限公司 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
| CN110823028A (zh) * | 2019-11-21 | 2020-02-21 | 张�杰 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN111199108A (zh) * | 2020-01-07 | 2020-05-26 | 包钢集团矿山研究院（有限责任公司） | 一种网格化切分数值模拟爆堆模型的爆破块度预测方法 |
| CN111383174A (zh) * | 2020-02-27 | 2020-07-07 | 广东锡源爆破科技股份有限公司 | 一种用于摄影测量的爆堆数据采集方法 |
| CN113344945A (zh) * | 2021-05-31 | 2021-09-03 | 沈阳工业大学 | 一种基于双目视觉的岩体爆破块度自动分析装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156739A1 (en) * | 2002-02-15 | 2003-08-21 | Inco Limited | Rock fragmentation analysis system |
| CN102937397A (zh) * | 2012-11-27 | 2013-02-20 | 武汉大学 | 一种基于近景摄影测量技术的台阶爆破动态设计方法 |
| CN107314957A (zh) * | 2017-06-30 | 2017-11-03 | 长安大学 | 一种岩石块度尺寸分布的测量方法 |
| CN107449378A (zh) * | 2017-07-21 | 2017-12-08 | 辽宁科技大学 | 一种基于三维图像的岩石表面粗糙程度测试及计算方法 |
| CN107489420A (zh) * | 2017-08-11 | 2017-12-19 | 辽宁科技大学 | 无底柱分段崩落法矿岩块度分布远程实时监测系统及方法 |
-
2017
- 2017-12-29 CN CN201711469738.2A patent/CN108073774B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156739A1 (en) * | 2002-02-15 | 2003-08-21 | Inco Limited | Rock fragmentation analysis system |
| CN102937397A (zh) * | 2012-11-27 | 2013-02-20 | 武汉大学 | 一种基于近景摄影测量技术的台阶爆破动态设计方法 |
| CN107314957A (zh) * | 2017-06-30 | 2017-11-03 | 长安大学 | 一种岩石块度尺寸分布的测量方法 |
| CN107449378A (zh) * | 2017-07-21 | 2017-12-08 | 辽宁科技大学 | 一种基于三维图像的岩石表面粗糙程度测试及计算方法 |
| CN107489420A (zh) * | 2017-08-11 | 2017-12-19 | 辽宁科技大学 | 无底柱分段崩落法矿岩块度分布远程实时监测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郭连军 等: "倾斜摄影法测定爆堆表面矿岩块度分布的误差分析", 《岩石破碎理论与实践——全国第五届岩石破碎学术会论文选集》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108986089A (zh) * | 2018-07-10 | 2018-12-11 | 内蒙古工业大学 | 基于图像处理的分梳山羊绒长度检测方法 |
| CN109506537A (zh) * | 2018-11-29 | 2019-03-22 | 中钢集团马鞍山矿山研究院有限公司 | 露天矿山台阶爆破爆堆宽度的确定方法 |
| CN109506536A (zh) * | 2018-11-29 | 2019-03-22 | 中钢集团马鞍山矿山研究院有限公司 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN109506537B (zh) * | 2018-11-29 | 2020-10-09 | 中钢集团马鞍山矿山研究总院股份有限公司 | 露天矿山台阶爆破爆堆宽度的确定方法 |
| CN109506536B (zh) * | 2018-11-29 | 2020-10-09 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN110414341A (zh) * | 2019-06-24 | 2019-11-05 | 中国矿业大学 | 一种基于无人机技术的露天矿爆堆测量统计方法 |
| CN110823028A (zh) * | 2019-11-21 | 2020-02-21 | 张�杰 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN110823028B (zh) * | 2019-11-21 | 2022-03-25 | 张�杰 | 一种优化控制露天矿山台阶爆破爆堆宽度的方法 |
| CN111199108A (zh) * | 2020-01-07 | 2020-05-26 | 包钢集团矿山研究院（有限责任公司） | 一种网格化切分数值模拟爆堆模型的爆破块度预测方法 |
| CN111383174A (zh) * | 2020-02-27 | 2020-07-07 | 广东锡源爆破科技股份有限公司 | 一种用于摄影测量的爆堆数据采集方法 |
| CN113344945A (zh) * | 2021-05-31 | 2021-09-03 | 沈阳工业大学 | 一种基于双目视觉的岩体爆破块度自动分析装置及方法 |
| CN113344945B (zh) * | 2021-05-31 | 2024-04-09 | 沈阳工业大学 | 一种基于双目视觉的岩体爆破块度自动分析装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108073774B (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108073774A (zh) | 一种验证爆堆块度分布的可靠方法 | |
| CN110717455B (zh) | 一种收储中的废钢等级分类检测方法 | |
| WO2018214195A1 (zh) | 一种基于卷积神经网络的遥感图像桥梁检测方法 | |
| Liu et al. | Research on intelligent identification of rock types based on faster R-CNN method | |
| US9805451B2 (en) | Building material classifications from imagery | |
| CN105547602B (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
| CN107314957B (zh) | 一种岩石块度尺寸分布的测量方法 | |
| CN108416771A (zh) | 一种基于单目相机的金属材料锈蚀面积检测方法 | |
| CN108253938A (zh) | Tbm破岩矿渣数字近景摄影测量识别及反演方法 | |
| CN104502990A (zh) | 一种基于数码图像的隧道掌子面地质调查方法 | |
| Guo et al. | A method of blasted rock image segmentation based on improved watershed algorithm | |
| CN103698817A (zh) | 基于图像的地下洞室掌子面快速安全预测方法 | |
| Han et al. | Automated monitoring of operation-level construction progress using 4D BIM and daily site photologs | |
| CN110414341A (zh) | 一种基于无人机技术的露天矿爆堆测量统计方法 | |
| CN110648364A (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
| CN112127896B (zh) | 一种tbm开挖岩渣信息自动采集与分析系统及方法 | |
| CN112215820A (zh) | 一种基于图像数据的隧道掌子面分析方法 | |
| CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣系统及其方法 | |
| Dan et al. | Application of deep learning-based image recognition technology to asphalt–aggregate mixtures: Methodology | |
| CN110660074A (zh) | 一种建立废钢等级划分神经网络模型方法 | |
| CN111383174A (zh) | 一种用于摄影测量的爆堆数据采集方法 | |
| CN114119361A (zh) | 基于tesrgan网络的超分辨率重构井下图像方法、系统、设备、介质 | |
| CN108305263B (zh) | 一种爆破后岩石块度的图像统计方法 | |
| Vasuki et al. | A geological structure mapping tool using photogrammetric data | |
| CN113177949B (zh) | 一种大尺寸岩石颗粒特征识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |